一种基于高低频合成重建湍流退化图像的复原方法技术

本发明专利技术公开了一种基于高低频合成重建湍流退化图像的复原方法，包括湍流导致图像退化分析模块，神经网络结构设计模块，高低频信息分离模块和神经网络去湍流模块。湍流导致像质退化模块是通过建模一光学成像系统后，设定波前不同湍流强度(D/r0)下的Zernike多项式来获得湍流的波前相位分布和湍流下的退化图像；神经网络结构设计模块采用双U

【技术实现步骤摘要】
一种基于高低频合成重建湍流退化图像的复原方法


[0001]本专利技术涉及光学系统成像
、计算机领域和大气光学领域，具体涉及一种基于高低频合成重建湍流退化图像的复原方法，主要是通过将图片的高、低频信息分开再结合神经网络实现对湍流退化图像的复原，提高了复原效果。

技术介绍

[0002]当使用地基光学光学望远镜系统对远距离目标进行观测时，由于大气湍流的存在，导致观测的目标出现一定的模糊，抖动和畸变。目前，学者可通过各种不同的方式对大气进行补偿，如波前传感器探测出波前相位，再利用变形镜进行补偿波前相位，得到湍流相位补偿以后的观测图像，但是此方法并不能完全消除大气湍流对成像质量的影响；或可通过图像后处理方式，例如单帧盲卷积复原方法以及多帧盲卷积复原方法，盲卷积图像复原方法的关键在于复原过程中如何合理的引入先验信息，但其需要多次迭代，复原时间较长。
[0003]近几年，深度学习技术正处在高速发展阶段，它是一门以数据作为驱动的技术，目前己经在目标跟踪、自动驾驶等方面己经取得巨大进展，具有很大的前景与用途。深度学习的最大特点是端到端，使其在解决各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高低频合成重建湍流退化图像的复原方法，其特征在于：该方法利用的系统包括：湍流导致图像退化分析模块(1)，神经网络结构设计模块(2)，高低频信息分离模块(3)和神经网络去湍流模块(4)，该方法包括以下步骤：步骤1：利用湍流导致图像退化分析模块(1)得到任意湍流强度下光学系统成像获得的退化图像；步骤2：神经网络结构设计模块(2)设计采用了双网络的结构设计，分别作为高频信息的训练网络和高低频合成信息的训练网路；步骤3：利用高低频信息分离模块(3)实现图像的高频信息和低频信息分离的工作；步骤4：神经网络去湍流模块(4)将湍流退化图像的高频信息作为CNN1的输入，其输出与退化图像进行相加得到合成图像，并作为CNN2的输入，其输出为重建后的清晰图像。2.根据权利要求1所述的基于高低频合成重建湍流退化图像的复原方法，其特征在于，建立湍流导致图像退化分析模块(1)包括：对实际需求建立完整光学成像系仿真模型，根据物距、视场大小和相机靶面大小以及焦距，在Matlab里建立光学系统模型，得到湍流强度大小D/...

【专利技术属性】
技术研发人员：储君秋，李祥熙，马浩统，谷炎达，刘星伶，
申请(专利权)人：中国科学院光电技术研究所，
类型：发明
国别省市：